强化学习：迈向知行合一的智能机制与算法

doi:10.11959/j.issn.2096-6652.202011

智能科学与技术学报 ›› 2020, Vol. 2 ›› Issue (2): 101-106.doi: 10.11959/j.issn.2096-6652.202011

• 评论智能 • 下一篇

强化学习：迈向知行合一的智能机制与算法

王飞跃^1,^2,³,曹东璞⁴,魏庆来^1,^2,³

¹ 中国科学院自动化研究所复杂系统管理与控制国家重点实验室，北京 100190
² 中国科学院大学，北京，100049
³ 青岛智能产业技术研究院，山东青岛 266109
⁴ 滑铁卢大学，加拿大滑铁卢 N2L 3G1

修回日期:2020-05-20 出版日期:2020-06-20 发布日期:2020-07-14
作者简介:王飞跃（1961- ），男，博士，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任，中国科学院大学中国经济与社会安全研究中心主任，青岛智能产业技术研究院院长，主要研究方向为平行系统的方法与应用、社会计算、平行智能以及知识自动化|曹东璞（1978- ），男，博士，滑铁卢大学副教授，认知自动驾驶实验室主任，主要研究方向为自动驾驶、人车协同与平行驾驶|魏庆来（1979- ），男，博士，中国科学院自动化研究所研究员，复杂系统管理与控制国家重点实验室副主任，中国科学院大学岗位教授，青岛智能产业技术研究院智能技术创新中心主任，主要研究方向为自学习控制、平行控制、自适应动态规划、智能控制、最优控制及其工业应用

Reinforcement learning:toward action-knowledge merged intelligent mechanisms and algorithms

Fei-Yue WANG^1,^2,³,Dongpu CAO⁴,Qinglai WEI^1,^2,³

¹ The State Key Laboratory for Management and Control of Complex Systems,Institute of Automation,Chinese Academy of Sciences,Beijing 100190,China
² University of Chinese Academy of Sciences,Beijing 100049,China
³ Qingdao Academy of Intelligent Industries,Qingdao 266109,China
⁴ University of Waterloo,Waterloo N2L 3G1,Canada

Revised:2020-05-20 Online:2020-06-20 Published:2020-07-14

摘要/Abstract

摘要：

简要地评论了强化学习的历史、现状与未来的发展途径，认为强化学习应从先行后知、先知后行向知行合一的平行强化学习迈进，实现在虚拟世界“吃一堑”，在物理世界“长一智”，真正成为智慧机制和智能算法的基础学习理论。

关键词: 强化学习, 动态规划, 深度学习, 平行学习, 人工智能, 平行智能

Abstract:

This article discusses briefly the history,the state of the art and the future of reinforcement learning,and outlines a roadmap of evolution from learning by doing,doing with planning to parallel intelligence that combining learning virtually in artificial systems and acting accordingly in actual systems.

Key words: reinforcement learning, dynamic programming, deep learning, parallel learning, artificial intelligence

中图分类号:

TP301

王飞跃,曹东璞,魏庆来. 强化学习：迈向知行合一的智能机制与算法[J]. 智能科学与技术学报, 2020, 2(2): 101-106.

Fei-Yue WANG,Dongpu CAO,Qinglai WEI. Reinforcement learning:toward action-knowledge merged intelligent mechanisms and algorithms[J]. Chinese Journal of Intelligent Science and Technology, 2020, 2(2): 101-106.

图/表 2

参考文献 8

[1]	郑南宁 . 人工智能新时代[J]. 智能科学与技术学报, 2019,1(1): 1-3.
	ZHENG N N . The new era of artificial intelligence[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(1): 1-3
[2]	张钹 . 人工智能进入后深度学习时代[J]. 智能科学与技术学报, 2019,1(1): 4-6.
	ZHANG B . Artificial intelligence is entering the post deep-learning era[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(1): 4-6.
[3]	GARIBALDI J M , 陈虹宇, 李小双 . 差异与学习：模糊系统与模糊推理[J]. 智能科学与技术学报, 2019,1(4): 319-326.
	GARIBALDI J M , CHEN H Y , LI X S . Variation and learning:fuzzy system and fuzzy inference[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(4): 319-326.
[4]	LUCAS S , 沈甜雨王晓 ,等. 基于统计前向规划算法的游戏通用人工智能[J]. 智能科学与技术学报, 2019,1(3): 219-227.
	LUCAS S , SHEN T Y , WANG X ,et al. General game AI with statistical forward planning algorithms[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(3): 219-227.
[5]	王飞跃 . 人工智能在多角色游戏中获胜[J]. 中国科学基金, 2020,34(2): 205-206.
	WANG F Y . AI wins in multi-role games[J]. Bulletin of National Natural Science Foundation of China, 2020,34(2): 205-206.
[6]	LUCIAN B , ROBERT B , BART D S ,et al. Reinforcement learning and dynamic programming using function approximators[M]. Boca Raton: CRC PressPress, 2010.
[7]	魏庆来, 王飞跃 . 强化学习[M]. 北京: 清华大学出版社, 2020.
	WEI Q L , WANG F Y . Reinforcement learning[M]. Beijing: Tsinghua University PressPress, 2020.
[8]	FLORENTIN W , BERND P . Reinforcement learning[M]. Cambridge: MIT PressPress, 2008.

[1]	武强, 季雪庭, 吕琳媛. 元宇宙中的人工智能技术与应用[J]. 智能科学与技术学报, 2022, 4(3): 324-334.
[2]	赖文柱, 陈德旺, 何振峰, 邓新国, GIUSEPPE CARLO Marano. 地铁列车驾驶技术发展综述：从人工驾驶到智能无人驾驶[J]. 智能科学与技术学报, 2022, 4(3): 335-343.
[3]	郁洲, 毕敬, 苑海涛. 基于改进DQN算法的复杂海战场路径规划方法[J]. 智能科学与技术学报, 2022, 4(3): 418-425.
[4]	马帅, 傅启明, 陈建平, 冯帆, 陆悠, 李铮伟, 裘舒年. 基于双池DQN的HVAC无模型优化控制方法[J]. 智能科学与技术学报, 2022, 4(3): 426-444.
[5]	孙宇祥, 彭益辉, 李斌, 周佳炜, 张鑫磊, 周献中. 智能博弈综述：游戏AI对作战推演的启示[J]. 智能科学与技术学报, 2022, 4(2): 157-173.
[6]	徐德, 秦方博. 机器人自动轴孔装配研究进展[J]. 智能科学与技术学报, 2022, 4(2): 200-211.
[7]	栗仁武, 张凌霄, 高林, 李淳芃, 蒋浩. 基于点云的类级别物体姿态估计[J]. 智能科学与技术学报, 2022, 4(2): 246-254.
[8]	刘家成, 张向文. 基于TD3的电动汽车复合电源能量管理策略研究[J]. 智能科学与技术学报, 2022, 4(2): 277-287.
[9]	冯埔, 吴文峻, 罗杰, 于鑫, 田雍恺. 基于群体熵的机器人群体智能汇聚度量[J]. 智能科学与技术学报, 2022, 4(1): 65-74.
[10]	王涵, 俞扬, 姜远. 基于动态自选择参数共享的合作多智能体强化学习算法[J]. 智能科学与技术学报, 2022, 4(1): 75-83.
[11]	李琳辉, 周彬, 任威威, 连静. 行人轨迹预测方法综述[J]. 智能科学与技术学报, 2021, 3(4): 399-411.
[12]	胡东伟, 冯晓璐. 大脑建模的理论框架及热点问题[J]. 智能科学与技术学报, 2021, 3(4): 412-434.
[13]	廖泽华, 梁子钰, 周天民, 卢经纬, 魏庆来. 基于平行控制的离散非线性系统的事件触发近似最优控制[J]. 智能科学与技术学报, 2021, 3(4): 435-443.
[14]	夏丽娜, 李擎, 宋睿卓, 王子涵, 许镇. 未知异构多智能体系统无模型自适应动态规划同步控制[J]. 智能科学与技术学报, 2021, 3(4): 444-448.
[15]	常方乐, 康孟珍, 王秀娟, 雷加强, 王飞跃. 平行智能风沙防护治理决策支持系统——塔克拉玛干沙漠公路及其防沙体系[J]. 智能科学与技术学报, 2021, 3(4): 499-506.

强化学习：迈向知行合一的智能机制与算法

Reinforcement learning:toward action-knowledge merged intelligent mechanisms and algorithms

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献 8

相关文章 15

Metrics

推荐阅读 0